본 논문은 신경 활동과 행동 간의 상호 작용을 포착하기 위해 다중 동물 모델을 활용한 새로운 접근 방식인 NEDS(Neural Encoding and Decoding at Scale)를 제시합니다. 기존의 대규모 모델들이 신경 활동과 행동 간의 단방향 관계 예측에만 집중하는 것과 달리, NEDS는 신경 암호화와 복호화를 동시에 수행하는 다중 모드, 다중 작업 모델입니다. 핵심은 신경, 행동, 모달리티 내부, 그리고 모달리티 간 마스킹을 번갈아 수행하는 새로운 다중 작업 마스킹 전략입니다. IBL(International Brain Laboratory) 반복 사이트 데이터셋을 사용하여 사전 학습되었으며, 83마리의 동물을 대상으로 동일한 시각적 의사결정 과제를 수행하는 실험 결과를 바탕으로 다른 대규모 모델들에 비해 우수한 성능을 보였습니다. 흥미롭게도, NEDS의 학습된 임베딩은 뇌 영역을 예측하는 능력을 보여주었습니다. 이는 뇌의 기초 모델을 향한 진전으로, 신경 활동과 행동 간의 원활한 변환을 가능하게 합니다.
